如何打造基于摄像头的感知定位解决方案？DeepMotion给出了答案(14)

蔡锐：视觉和惯导融合的SLAM在自动驾驶中是很重要的。比如在我们系统中一直会跑一个多传感器融合的SLAM。它会实时输出车辆的姿态，如果你没有很专业级的惯导，一定程度上，它会提供一些精度还不错的车辆姿态信息。
的确，在大家提到的自动驾驶中，场景的分割和语意的理解是比较直观的。除了环境感知以外，语义理解能帮助视觉和惯导融合的SLAM。我们认为室外的驾驶环境是非常具有挑战性的，所以必须依赖高级别语义的视觉特征。
说得更直白一点，在市场上能做场景分割和语义理解的人才储备还算比较丰富的，而在SLAM这块，相对来说人才储备还比较匮乏一些。
提问六蔡少骏-驭势科技-视觉算法工程师1、开放道路的定位方案是什么？2、多传感器融合定位怎么做的？3、动态变化的场景怎么处理？
蔡锐：1、对于开放道路的定位方案，我们认为是一个比较有挑战性的过程。开放道路的地图本身就不像结构化的道路，因此考虑思路也不一样，开放道路可以根据你适用的范围做出更细的划分，比如一些厂区、园区的道路以及一些小区道路，这对于做相对定位所用的比较稳定的视觉元素的选择来说会有一些区别。
2、这其实就是你算法的核心。如何充分地使用惯导、位导、视觉信息以及与高精度地图的比对信息在联合优化的过程中得到一个最优的姿态结算。
3、对于动态场景怎么处理的问题，我可能没有太理解你的问题。在这里说说我的理解，在上面的回答中我也提到，实际道路上的车辆位姿估计是一件很有挑战的事情。因为道路上除了一些比较稳定的参照物外，还有大量的运动物体。这本质上需要更好地利用不同传感器的输入，去帮你判断路面上的相对运动和绝对运动，从而减轻运动物体对姿态估计的影响。